Análise aprofundada · Cerca de 6 min de leitura
ACE-Brain-0.6: dados verificáveis para ancoragem espacial em um modelo de 9B
SenseTime e Daxiao relatam supervisão espacial diversa: cinco vitórias públicas sobre Astra, duas derrotas e uma avaliação interna separada.
- Publicado aqui
- Data da fonte
- Fonte verificada
O anúncio técnico da SenseTime de 20 de outubro apresenta o ACE-Brain-0.6 da Daxiao como um modelo de 9B especializado em ancoragem visual. A contribuição está no processo de dados e na comparação delimitada, não em provar superioridade sobre todas as capacidades de um modelo geral.
Ouça as notícias
Ouça este artigo ou continue ouvindo as notícias.
Preparando a leitura…
Voz do dispositivo
O navegador ou dispositivo processa a voz. O AISubHub não envia o texto a uma API de áudio. As vozes e a reprodução com a tela bloqueada variam conforme o dispositivo.
Ao continuar, uma frase curta pode se repetir.
Resumo
- A média dos sete testes públicos é 74.53 contra 73.68 do GPT-6 Astra; RefSpatial e PointArena ficam abaixo. A sexta vitória vem do RobotGrounding próprio.
- Cerca de um milhão de amostras, 940000 imagens distintas e 2.7 milhões de pares de perguntas e respostas são unidades diferentes e não devem ser somadas.
- O grupo relata maior ganho com novos cenários, relações e formas de supervisão do que com a repetição dos tipos existentes. Os resultados são dos fornecedores, não de testes da AISubHub.
Qual parte da tarefa do robô melhora?
A ancoragem visual associa linguagem a um objeto, região ou posição na imagem. O ACE-Brain-0.6 trabalha identificação, contagem, relações espaciais e locais de interação. Um plano razoável ainda precisa de um ponto físico correto para a ação. Por isso, um pequeno desvio nas coordenadas pode ser importante mesmo quando a resposta verbal parece convincente.
Como hipótese didática da AISubHub, não um teste de produto, pense em colocar uma xícara ao lado de uma tigela. É necessário localizar ambas, interpretar a relação e verificar espaço livre. Se a xícara não estiver presente, inventar uma coordenada é errado. Reconhecer ausência e localizar com precisão são requisitos complementares de percepção, sem demonstrar execução segura.
Como trajetórias viram rótulos espaciais?
A Daxiao afirma combinar mais de 30 famílias abertas de dados robóticos com dados Ego privados, interações humanas em primeira pessoa, anotações densas de objetos e partes e dados espaciais tridimensionais. As trajetórias registram ações, mas não explicam automaticamente o objeto ou a área de contato indicada pela instrução. O processo converte esse material heterogêneo em supervisão espacial explícita.
Nos vídeos de manipulação, o estado da garra e a amplitude dos movimentos ajudam a selecionar quadros-chave. Um vocabulário de objetos é criado; Grounding DINO e SAM 3 apoiam localização, identificação de regiões e correção semântica. Surgem perguntas sobre referências, quantidades, relações, posições de interação e alvos ausentes. A conversão também pode gerar erros, exigindo ligação verificável entre resposta e imagem.
O que torna a supervisão verificável?
O anúncio exige anotações completas das instâncias para gerar questões de contagem e confirmação de que o alvo não aparece nas questões de ausência. Validação de rótulos, balanceamento das respostas e exclusão dos dados de avaliação procuram reduzir supervisão incorreta e atalhos. Isso descreve o procedimento do grupo, não uma taxa residual de erros medida de maneira independente.
O conjunto inclui aproximadamente um milhão de amostras de treinamento, 940000 imagens diferentes e 2.7 milhões de pares de perguntas e respostas. As unidades não são equivalentes nem somáveis. A base é Qwen3.5-9B, com codificador visual congelado e ajuste supervisionado dos parâmetros de linguagem. A interface unificada prevê coordenadas, regiões, contagens e julgamentos; não há economia de inferência quantificada.
O que mostra a comparação inteira?
Na tabela dos fornecedores, ACE contra GPT-6 Astra obtém Where2Place 76.55/71.10, PixMo-Count 89.41/88.10, RoboSpatial 74.82/69.55, RoboAfford 88.51/84.94 e ShareRobot 49.70/46.60. Porém perde em RefSpatial, 68.35/80.14, e PointArena, 74.34/75.36. A média dos sete testes públicos é 74.53/73.68; o agregado precisa ser lido com essas diferenças por tarefa.
O oitavo teste é RobotGrounding, construído pela Daxiao: 2591 perguntas em 14 categorias, incluindo objetos pequenos, ausência e correspondência entre câmeras. As notas são 94.13/91.10. Assim, as seis vitórias são cinco públicas e uma interna, não seis públicas. Questões de cenas robóticas continuam sendo avaliação de ancoragem; 94.13 não representa sucesso de manipulação de ponta a ponta.
Aumentar os dados explica a melhora?
Com arquitetura e método mantidos, o grupo aumenta os dados de 260000 amostras para cerca de um milhão. A média pública sobe de 69.3 para 74.5. O anúncio descreve tendência aproximadamente log-linear e cerca de 2.4 pontos por duplicação no intervalo estudado. É uma comparação controlada relatada, não uma promessa de ganhos iguais em toda duplicação futura.
Pelo mesmo relato, adicionar exemplos dos tipos existentes produz menos de um ponto. Novos cenários, relações espaciais e formas de supervisão têm mais efeito. A AISubHub interpreta que a cobertura altera o que se pode aprender, enquanto repetições reforçam áreas já cobertas. A explicação depende dos controles e da separação de avaliação informados, não constituindo uma lei universal de escala.
O que falta para uso físico?
O anúncio sustenta investigar percepção especializada, não substituir toda a pilha de planejamento e controle. A nota de ancoragem não testa diretamente calibração de câmera, execução, colisões ou recuperação após localização incorreta. A AISubHub verificaria ausência e erros de posição junto aos resultados posteriores, sem transformar a média divulgada em garantia de segurança do robô.
Todos os experimentos são atribuídos à SenseTime e à Daxiao. Não há intervalos de confiança, custos, latência, requisitos de implantação, licença de download ou sucesso físico por tarefa. Lemos a íntegra oficial e as três figuras necessárias, mas não reproduzimos experimentos nem lemos um artigo científico original separado. Pesos para download ou uma API continuam sem disponibilidade confirmada.
Por que importa
Análise da AISubHub: importa auditar como o robô aprende onde agir e quando o alvo está ausente. Uma pontuação de ancoragem pode orientar a escolha de percepção, mas não certifica o sistema robótico completo.
Limites e disponibilidade
A fonte é um anúncio técnico oficial integral, não uma revisão independente do artigo científico original. Não traz intervalos de confiança, custos, latência, elegibilidade de implantação, licença de download ou sucesso físico por tarefa. Não testamos o modelo nem confirmamos pesos ou API disponíveis.
Fontes e evidências
Data da fonte: · Fonte verificada:
Conteúdo editorial com apoio de IA, verificado em fontes primárias. Alegações dos fornecedores são atribuídas; inclusão não é recomendação.